tensorflow入门

前言：官方有特定的新手教程（tf官方教程入口），但是在我的学习过程中，发现按照他的流程运行了，也实现了一些简单的功能，但是对其内在的理解，要实现更复杂的东西，就觉得捉襟见肘了。所以整理一下学习的内容，期许未来也许能够用得上。

1 从一个简单的完整训练过程开始

众所周知，使用tensroflow的一个完整的训练过程宏观上包含三个步骤：

数据的加载与预处理，模型的创建与训练数据的喂入，网络运行结果与统计数据（例如准确率，均方误差值等）的输出。

https://tensorflow.google.cn/tutorials/quickstart/advanced?hl=zh_cn

三个步骤存在的问题总结如下：

a).数据的加载与预处理

1). 此演示训练的数据是演示集的数据，只需一键加载便行。但是实际中我们需要加载的数据一般是以路径名的方式存储在一个'train.txt'文件中。

2). 此演示训练的数据集不是特别大，所以可以全部读入，但是类如人脸识别的webface，数据集大小为4G，如何处理读入，以及处理读入与计算之间关系？

b).模型的创建与训练数据的喂入

c).网络运行结果与统计数据

n 一些杂货

n.1 tensorflow整体框架

总的来说，Tensorflow的运行机制包括： 定义计算图和运行计算图两个部分，计算图即模型的构建。

知乎相关文章链接：https://zhuanlan.zhihu.com/p/111214142

n.2 模型的保存与加载

“.ckpt.meta”是一个protocol buffer，用于保存完整的Tensorflow图/完整的神经网络结构图； 即所有变量，操作，集合等。也就是你能在tensorboard/graph中看见的内容。但是不包含变量的值，也就是说TensorFlow是把图结构和变量值分开储存的。

知乎相关文章链接：https://www.zhihu.com/question/265634425

n.3 tflite

https://blog.csdn.net/yuanlulu/article/details/84063503

n.4 tensorRT

https://zhuanlan.zhihu.com/p/356072366